[發明專利]基于KCF算法的多目標行人跟蹤系統及跟蹤方法

有效

• 申請號: 201811407750.5
• 申請日: 2018-11-23
• 公開（公告）號: CN109615641B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 陳梓陽;鄭偉詩
• 申請（專利權）人: 中山大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.基于KCF算法的多目標行人跟蹤系統，其特征在于，包括初始化模塊、單目標跟蹤KCF模塊、跟蹤與檢測匹配模塊、目標移除模塊、打印模塊和目標新增模塊；

所述初始化模塊，用于初始化所有變量；

所述單目標跟蹤KCF模塊，用于對單個目標進行跟蹤；

所述跟蹤與檢測匹配模塊，對每個目標的跟蹤結果與畫面中的檢測目標進行匹配，即區分各個目標，將各目標與跟蹤軌跡鏈接；所述跟蹤匹配模塊中跟蹤匹配的過程為：

首先初始化模型與目標檢測結果的狀態管理器，然后遍歷容器里的模型，對每個模型都使用單目標跟蹤KCF模塊里的跟蹤功能進行跟蹤預測，即輸入當前楨圖片、上一楨跟蹤到的目標的邊框坐標、該目標的模型到單目標跟蹤KCF模塊，得到當前楨跟蹤到的目標的邊框坐標與該目標更新后的模型，并將更新后的模型替換掉容器中的原模型；

然后再將當前楨跟蹤到的目標的邊框坐標與當前圖中所有目標檢測結果進行匹配對比，檢查該目標的跟蹤結果是否存在于畫面中，具體為計算兩個邊框區域的overlap重合覆蓋率，若overlap大于設定的閾值，則認為匹配成功，跟蹤結果與檢測框是同一個目標，將檢測框與該目標對應的id添加到打印列表中；而對于匹配失敗的情況，則需更新模型與目標檢測結果的狀態管理器，記錄匹配失敗的模型與檢測框；

所述目標移除模塊，用于判定目標是否已經離開畫面；所述目標移除模塊中，移除的具體操作為：

先利用模型狀態管理器挑出匹配失敗的模型，作為已離開目標的候選項；

模型匹配失敗，說明該目標的跟蹤結果在圖中沒有檢測框與其匹配相關，并進行進一步安全檢查，連續與后面n楨的檢測框計算overlap，若overlap都小于設定的閾值，才真正認為該目標已經離開畫面，并且將該目標所對應的模型從容器中移除；

所述打印模塊，根據之前的匹配結果，從打印隊列中逐個取出檢測框與其對應的目標id，并在圖中打印出來，即將圖中的行人用檢測框框出來且添加上其對應id；

所述目標新增模塊，用于判定檢測目標是否為新出現的目標，所述目標新增模塊中，判定檢測目標是否為新出現的目標的方法為：

首先利用檢測框狀態管理器挑出匹配失敗的檢測框，將其作為新出現的目標的候選項；匹配失敗的檢測框，說明其與所有模型對應的目標的跟蹤結果都沒有匹配相關，進一步增加了一步安全檢查，計算該檢測框與后面n楨的跟蹤結果的overlap，若overlap都小于閾值，則說明該檢測框為新出現的目標；若為新出現的目標，則利用單目標跟蹤KCF模塊的初始化功能，輸入當前幀圖片與該檢測框，來初始化該新目標的模型，并將該新模型放進容器內。

2.根據權利要求1所述基于KCF算法的多目標行人跟蹤系統，其特征在于，所屬初始化模塊中，初始化的變量包括將視頻轉換成圖片形式，用行人檢測器獲取每幀圖片的行人邊框坐標，初始化模型容器、狀態管理器。

3.根據權利要求1所述基于KCF算法的多目標行人跟蹤系統，其特征在于，所述單目標跟蹤KCF模塊，基于KCF算法使用目標周圍的區域的循環矩陣采集正負樣本，利用脊回歸訓練目標檢測器，并利用循環矩陣在傅立葉空間可對角化的性質將矩陣的運算轉化為向量的Hadamad積，降低了運算量；所述單目標跟蹤KCF模塊包含初始化功能與跟蹤功能，當輸入參數為兩個，即“當前幀圖片”、“目標的檢測結果”時，執行初始化功能，模塊輸出為“目標的初始模型”；而當輸入參數為三個，即“當前楨圖片”、“上一楨跟蹤到的目標的邊框坐標”、“該目標的模型”時，執行跟蹤功能，模塊的輸出為“當前楨跟蹤到的目標的邊框坐標”、“該目標更新后的模型”。